公开(公告)号：CN115118998A

公开(公告)日：2022-09-27

申请号：CN202210710728.8

申请日：2022-06-22

Applicant: 福州大学

Inventor： 郑明魁 ,  翁劭涵 ,  易天儒 ,  王适 ,  刘文强

IPC: H04N19/91 ,  H04N19/96 ,  H04N19/51

Abstract: 本发明涉及一种增强投影相关性的帧间编码方法、解码方法及装置，解码方法包括以下步骤：顺序输入各帧的点云序列A，去除各点云序列A的离群点；以X帧为一组，对每组第一帧的点云序列A进行V‑PCC编码并输出；对每组其余帧进行以下操作：对点云序列A进行基于运动一致性的二叉树分割，得到分割信息和若干点云块；分割信息包括块索引；对点云块依次进行NDT粗配准和ICP精细配准，得到配准后的点云块和ICP精细配准中产生的的旋转矩阵R和平移向量T；对点云块进行点云融合并生成点云序列B；对点云序列B使用平滑算法；对点云序列B进行V‑PCC编码并输出，对分割信息、旋转矩阵R和平移向量T进行熵编码并输出。该方法进一步提高了V‑PCC的编码性能。

公开(公告)号：CN116611580A

公开(公告)日：2023-08-18

申请号：CN202310739974.0

申请日：2023-06-21

Applicant: 福州大学

Inventor： 陈俊 ,  陈芳 ,  孟伟强 ,  姜乃祺 ,  石浩铭 ,  易天儒

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于多源数据与深度学习的海洋赤潮预测方法。一方面将遥感数据、水质浮标监测数据、气象数据和人工检测数据结合，另一方面采用基于CNN‑LSTM的深度学习方法利用时间序列的多特征因子进行赤潮预测。该过程包括：a.数据集的构建、对环境因子数据的整合和预处理；b.采用皮尔逊系数分析环境因子和赤潮发生的相关性，并利用复相关系数分析多环境因子组合与赤潮发生的相关性；c.构建CNN‑LSTM预测模型，对训练好的CNN‑LSTM预测模型进行参数优化调整；d.利用不同组合的多环境因子对模型进行测试，并进行性能评估。该方法结合遥感图像数据和水质检测数据，增加数据数量、提高数据集复杂度的同时提高对赤潮预报的准确度。